Update app.py

app.py

@@ -1,7 +1,29 @@
-from transformers import pipeline
+from transformers import AutoModelForSequenceClassification, AutoTokenizer, TextClassificationPipeline
 import gradio as gr
 
-pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-en-es")
+model_id = "hedtorresca/Multilingual-MiniLM-L12-H384-fine-tunning2"
+                                                          
+model = AutoModelForSequenceClassification.from_pretrained(model_id)
+tokenizer = AutoTokenizer.from_pretrained(model_id, return_dict=True )
+pipe = TextClassificationPipeline(model=model, tokenizer=tokenizer, add_special_tokens=True,  max_length= 512, truncation= True)
+# Definir la función de inferencia
+def classify_message(ues_detallada, medio_de_comunicacion, asunto_o_copy):
+    combined = f"Este mensaje viene de {ues_detallada} a través de {medio_de_comunicacion}. {asunto_o_copy}"
+    prediction = pipe(combined)
+    return "Comercial" if prediction[0]['label'] == 'LABEL_0' else "Informativo"
 
-demo = gr.Interface.from_pipeline(pipe)
-demo.launch()
+# Crear la interfaz de Gradio
+iface = gr.Interface(
+    fn=classify_message,
+    inputs=[
+        gr.inputs.Dropdown(["Unidad de Negocio 1", "Unidad de Negocio 2", "Unidad de Negocio 3"], label="Unidad de Negocio"),
+        gr.inputs.Radio(["Correo", "SMS"], label="Canal de Comunicación"),
+        gr.inputs.Textbox(lines=2, placeholder="Escribe el asunto o copy del mensaje aquí...", label="Asunto o Copy")
+    ],
+    outputs="text",
+    title="Clasificador de Campañas",
+    description="Selecciona una unidad de negocio, un canal de comunicación y escribe un mensaje para clasificar si es comercial o informativo."
+)
+
+# Lanzar la interfaz
+iface.launch()